機器學習在某些領域可以節(jié)省大量成本

機器學習涉及的領域

比如制造業(yè)，可以用于哪些設備需進行維護，對于購買磨損程度不一樣的設備時，可以加入傳感器進行預測，還有通過生產線生成出的產品，可以通過攝像機獲得更好的傳感器來判斷產品的質量。

零售行業(yè)，通過判斷用戶過去的喜好預測未來用戶會買什么樣的東西，與商家進制互動的過程可以通過ai替代掉(如簡單的對話)，類似無人商場，零售員服務員的開銷是非常大的，所以可以用ai替代掉，無人自助可以增加用戶的體驗(但其實這是一個比較難的問題，很多用戶的情況下如何通過ai去算出用戶拿了什么，沒有那什么)。另外一方面，對于商家來說需要預測產品在未來的銷量，使得他可以提前布貨，

健康領域，人們可以用穿戴式的傳感器，一旦健康出現(xiàn)問題，信號會實時的穿回產生一個報警信號，如果某些人會去醫(yī)院拍照，做核磁共振，測心電圖，這類流程在結束后之后的流程基本是將結果返還給醫(yī)生，由醫(yī)生判斷你有什么問題，其實這塊的流程可以用ai替換掉(通過機器學習來判斷你掃描出的數(shù)據是否存在問題）。

金融業(yè)，最常見的應用是對于欺詐的檢測，比如盜刷賬號，或者惡意讓別人購買東西，都可以通過檢測終止掉交易，還有各種理財產品用戶需要填各種東西貸款什么的，之后的流程可以自動化的進行檢測你是否夠資格購買這些東西。

汽車業(yè)，在汽車中其實有很多傳感器，這些傳感器會預測車的各個方面(如車胎，油耗)是否需要進行維護，還有無人駕駛，在汽車中裝上各種的激光雷達攝像頭使得他能夠替代人來開車。

可以替代人們部分簡單的工作，但是某些我們人類做起來比較簡單的事情機器做起來就特別難，比如抓住一件物體，這對機器來說是比較困難的事情，他得分清這些物體是軟的還是硬的(聽說軟的東西對ai來說特別難抓)，每根手指需要分配多少數(shù)值來用于抓去。

流程

發(fā)現(xiàn)問題并且變成機器學習的問題(這需要對機器學習的算法有全面的了解) -> 收集數(shù)據(注意盡量選取高質量的數(shù)據) -> 選擇機器學習模型使用采集的數(shù)據訓練模型 -> 將模型部署到線上 -> 關注模型的性能，模型的預測精度 -> 在部署后一般會得到新的數(shù)據所以繼續(xù)收集數(shù)據 -> 選擇模型得到更新的數(shù)據(至此就是一個閉環(huán)了，這是一個迭代的過程)

對于數(shù)據，雖然這個世界不缺數(shù)據，但是獲得高質量的數(shù)據是很難的，需要做大量的清洗標注，使得模型能夠更快的學習

注意點，對于數(shù)據的挖掘，這和用戶的隱私構成沖突。比如健康領域，和人類生理信號相關的數(shù)據是非常敏感的

模型的訓練(從60年代到現(xiàn)在，近年七八年對于深度學習模型的訓練基本是指數(shù)級別的增長)如果模型越大，那么你對數(shù)據的需求也會越多，使得你需要收集更多的數(shù)據。

當模型訓練出來后，如果訓練的模型很大，部署到線上費用很高，可能需要很多gpu來進行對線上模型的預測 如果是實時的，那么你對模型需要有很嚴格的控制。

當模型已經部署好后，其實你還沒有完成一個輪回，還剩下最后一步，你發(fā)現(xiàn)你的模型需要不斷的更新，所以你要長期監(jiān)控你的機器學習模型，不斷提升你的模型這是個非常長期的過程，你的數(shù)據分部可能會發(fā)生變化(這導致你在一下地方訓練模型，當去了另外一個地方預測會出現(xiàn)問題)舉個例子，你的網站用戶群體發(fā)生了變化(小年齡用戶年齡變大)，這導致預測出來的結果是不一樣的。

還有需要注意的方面，由于我們是用算法來做決定的，所以我們如果用算法代替人來做決定的話，這會誕生公平性的問題，算法本身是公平的，但是人們自身的數(shù)據可能會，如果你的數(shù)據在某部分群體的評估中比較好，算法評估很正常，但是在不那么具有代表性的群體中，就會存在交大的偏差，會導致對這塊人群會有不公平的，這會導致不公平，所以機器學習在作用越來越大時，公平性也是一個很重要的問題。

訓練模型的人在各個領域起到的作用，將相關的人分成4類：1. 領域專家 懂商業(yè)，懂產品干什么，產品重要的是什么，知道哪些數(shù)據是比較重要的和知道這些數(shù)據在什么地方，在某個地方如果部署機器學習模型的話，對產品有多大影響，部署到重要的地方。2. 數(shù)據科學家在機器學習中類似全棧，需要做數(shù)據的挖掘搞數(shù)據訓練模型。3. 機器學習專家，對產品的特點，需要什么樣的模型，模型的性質很了解，能夠對模型的定制化。4. sde軟件開發(fā)工程師，開發(fā)維護大量的代碼大量的產品還包括將數(shù)據式時的從服務器，產品那抽取過來做高性能的數(shù)據處理，并且管理模型訓練管理這些資源使得我能夠按時訓練完重要的模型